手把手推导B样条基函数：用Python可视化de Boor-Cox递推公式

在计算机图形学和几何建模领域，B样条曲线因其出色的局部控制能力和灵活的连续性而广受欢迎。与Bezier曲线相比，B样条允许我们独立控制曲线的阶数和控制点数量，这种解耦带来了极大的设计自由度。本文将带你从零开始实现de Boor-Cox递推公式，并通过Python动态可视化不同阶数的B样条基函数，直观理解其数学本质。

1. 环境准备与基础概念

在开始编码之前，我们需要明确几个关键术语：

• 阶数(k)：B样条的阶数等于次数加1。例如，三阶B样条是二次曲线。
• 节点向量(U)：非递减的参数序列，决定基函数的形状和支撑区间。
• 局部支撑性：每个基函数只在部分参数区间内非零。

安装必要的Python库：

bash复制pip install numpy matplotlib

典型的均匀节点向量生成方法：

python复制def uniform_knots(n, k):
    """生成均匀节点向量"""
    return np.linspace(0, 1, n+k+1)

提示：节点向量的长度必须满足len(U) = n + k + 1，其中n+1是控制点数量，k是阶数。

2. 实现de Boor-Cox递推公式

de Boor-Cox公式的精妙之处在于用递归方式构建高阶基函数：

code复制B_{i,1}(u) = { 1   if u_i ≤ u < u_{i+1}
              { 0   otherwise
              
B_{i,k}(u) = ω_{i,k}(u)B_{i,k-1}(u) + (1-ω_{i+1,k}(u))B_{i+1,k-1}(u)

其中权重系数ω的计算：

python复制def omega(u, i, k, U):
    """计算递推权重系数"""
    denom = U[i+k-1] - U[i]
    return (u - U[i]) / denom if denom != 0 else 0

完整的基础函数实现：

python复制def basis_function(i, k, u, U):